php—PCRE正規表示式Unicode字元屬性

自從 PHP 4.4.0 和 5.1.0， 三個額外的轉義序列在選用 UTF-8模式時用於匹配通用字元類型。他們是：

p{xx}

一個有屬性xx 的字元

P{xx}

一個沒有屬性xx 的字元

X

🠎一個擴充的於限制Unicode 通常的類別屬性。 每個字元都有一個這樣的確定的屬性，透過兩個縮寫的字母指定。 為了與 perl 相容， 可以在左花括號 { 後面增加 ^ 表示取反。例如： p{^Lu} 就等同於 P{Lu}。

如果透過 p 或 P 只指定了一個字母，它包含所有以這個字母開頭的屬性。 在這種情況下，花括號的轉義序列是可選的。

p{L}

pL

指定大小寫不敏感配對這些轉義序列不會產生影響，例如， p{Lu} 總是符合大寫字母。

Unicode 字元集在具體文字中定義。使用文字名稱可以匹配這些字元集中的一個字元。例如：

p{Greek}

P{Han}

不在確定文字中的則被集中到 Common。

X 轉義符合任意數量的 Unicode 字元。 X 等價於 (?>PMpM*)

也就是說，它匹配一個沒有 ”mark” 屬性的字符，緊接著任意多個由 ”mark” 屬性的字符。 並將這個序列認為是一個原子組(詳見下文)。 典型的有 ”mark” 屬性的字元是影響到前面的字元的重音符。

用 Unicode 屬性來匹配字元並不快， 因為 PCRE 需要去搜尋一個包含超過 15000 個字元的資料結構。 這就是為什麼在 PCRE中 要使用傳統的轉義序列d、 w 而不使用 Unicode 屬性的原因。